FNN的服务型制造企业供应商选择

针对服务型制造条件下供应商选择的新要求和复杂性,将模糊理论与人工神经网络有效结合起来,提出基于模糊神经网络（FNN）的供应商选择策略．利用模糊系统较强的知识表达能力,将神经网络的输入袁示为模糊隶属度,解决定性指标定量化及模糊性问题;利用神经网络较强的自适应、自学习能力和泛化能力,克服供应商评价过程的主观随意性、复杂非线性和动态特性带来的不利影响,从而实现对供应商的实时动态评价;通过选择合适的算法,设计相应的BP神经网络,进行实例仿真．仿真结果表明,该方法能够克服供应商选择评价过程中的主观随意性大、算法复杂以及定性指标定量化问题,并实时动态再现专家评价结果,其最大相对误差不超过0．4841％．     

应用GA-BP神经网络的生态工业园风险评价

由于生态工业园的结构和外界影响因素均存在很多不确定性,给系统的运行带来了很多风险,定量化分析生态工业园风险成为一个研究难题。提出了一种应用GA-BP神经网络的生态工业园风险评价方法。首先提出一套生态工业园风险评价指标体系,并对指标体系的二级指标进行了分析;然后考虑各个评价指标的非线性关联性,提出一种基于遗传算法优化BP神经网络的生态工业园风险评价方法,该方法利用遗传算法优化BP神经网络的初始权值,提高了BP神经网络的求解精度;最后在Matlab R2011b环境下对30组样本进行案例研究。仿真结果表明:应用GA-BP神经网络的评估方法能较好地评估生态工业园风险水平,与标准BP网络相比收敛速度更快,具有更好的全局收敛性。     

基于GA-BP神经网络的柴油机NO_x瞬态排放预测

开发了一种柴油机NOx瞬态排放预测研究的方法,该方法采用BP神经网络进行建模,并加入遗算法优化网络权值弥补BP网络缺陷。模型选取影响NOx排放的控制参数作为输入量。网络训练中采用早停止策略防止训练网络过拟合,保证网络泛化能力。模型总排放预测相对误差为3.63%,尤其对加减速等瞬态变化工况的预测效果更优,相对误差小于3%,可以用于NOx瞬态排放预测,并且模型输入参数多为控制参数,有利于对模型进行深入研究。     

基于GA-BP神经网络的粮仓通风控制研究

在粮食仓储过程中,及时有效的通风是防止储粮霉变、保证储粮安全的一项重要举措.如何制定科学、准确的通风策略,避免无效通风、过度通风和有害通风等现象的发生,已经成为粮食仓储行业重点攻克的难题.针对这些问题,先利用遗传算法(GA)确定传统的BP神经网络的初始连接权值和阈值,再用训练样本对优化后的BP神经网络再次寻优;建立GA-BP神经网络通风决策模型,实现粮仓通风模式的智能化决策.以山西洪洞直属库的粮仓通风决策进行实例分析、仿真和试验,结果表明,该通风决策准确度高、稳定性强,便于实现仓储通风的智能控制.     

基于神经网络的制造企业需求订单评价方法

对制造企业而言，订单评估是企业需求管理的一项任务，是制定生产计划的前提。订单优选是一个多属性的综合决策问题。运用神经网络的方法来建立模型，并应用Matlab软件辅助设计和优化网络，在BP神经网络的学习算法中，不断调整权值，不仅使工作量减小，而且得到更为快速和精确的结果，使企业做决策更加科学合理。应用实例显示了该方法的有效性与实用性。     

基于GA-BP神经网络的短期负荷预测

以供热系统为研究对象,针对集中供热热负荷中由于温度因素、随机因素以及建筑本身因素等导致预测精度不高的问题．提出了采用BP神经网络算法来进行预测,它对具有非线性的模型有很好的控制效果,并且可以进行自我学习．但由于BP神经网络的波动较大,比较容易出现局部优化现象,因此在使用BP神经网络的基础上进行改进,将BP神经网络与遗传优化算法相结合,弥补BP神经网络的不足．最后通过仿真实验,结果表明热负荷预测的误差大大减少,预测精度提高,继而实现合理供热．     

基于GA-BP神经网络的某型装备作战效能评估方法

针对BP神经网络存在易陷入局部极小值的缺点,利用遗传算法全局搜索能力强的特点,对BP神经网络的权值和阈值进行优化,建立了基于GA-BP网络的某型装备作战效能评估模型,给出了实际数据的评估结果.实验结果表明:GA-BP神经网络的泛化能力、评估准确性比BP神经网络的效果更好,这为评估某型装备的作战效能提供了一种新的思路.     

基于 EMD和GA-BP神经网络的大坝变形预测

提出一种基于经验模态分解（EMD）和遗传BP神经网络的大坝变形预测新算法。该算法首先通过EMD对变形序列进行分解,有效分离出非线性高频波动分量和低频趋势分量;然后应用遗传算法优化BP神经网络的权值和阈值,再对各分量进行建模预测;最后叠加各分量预测值得到预测结果。应用新算法与灰色GM （1,1）、回归模型、普通卡尔滤波和遗传BP神经网络算法进行对比分析。结果表明,该算法具有较强的自身内部环境优化和外部平台构建能力,自适应能力和非线性拟合能力较强,在一定程度上保证较优的局部预测值和较好的全局预测精度,在大坝变形预测中具有一定的实用价值。     

我国首次制成7RTA72UB型船用低速柴油机

国内首次制成的瓦锡兰7RTA72UB型船用低速柴油机在大连船用柴油机厂交工。这标志着该厂船用柴油机制造技术和生产能力上了一个新台阶。     

基于GA-BP神经网络的双目摄像机标定

为克服传统BP算法收敛速度慢、易陷入局部极小等缺陷,本文利用遗传算法的全局寻优能力对神经网络的初始权和阈值进行优化,并将其运用到摄像机BP神经网络标定.采用遗传算法构建的神经网络,在不增加网络结构复杂度的情况下,大大提高了样本训练的精度和成功率,保证了网络的泛化能力.实验结果表明,该算法具有较高的标定精度,而且可行.     

基于电性参数和GA-BP神经网络的砂岩孔渗预测

以地表岩性复杂的四川盆地为采样区,基于神经网络可解决电性参数与储层物性参数之间非 线性映射问题的优势性能,讨论低孔低渗致密储层的砂岩孔渗预测方法。 以密度、电阻率和极化率 等电性参数作为网络模型的输入参数,利用遗传算法(GA)对 BP 神经网络(BPNN)的权值和阈值进 行优化,进而建立并训练 GA-BP 神经网络模型。 与传统的多元回归法相比,GA-BP 神经网络模型 的孔渗预测实验结果更优。     

基于GA-BP神经网络的砌体结构拆除造价预测

精准快速地进行造价预测对于拆除工程的招投标决策具有重要意义.我国目前待拆除建筑物多为砌体结构.为寻求砌体结构拆除工程造价的高效预测方法,本文首先分析了反向传播(BP)神经网络和遗传算法(GA)的优势和缺点.通过利用GA的全局搜索最优性能,调节BP神经网络的权值阈值,改善BP神经网络容易陷入局部最小值且收敛速度慢的缺点,提出了优化砌体结构拆除工程造价的预测模型.针对拆除工程的特点,选取8个主要参数,利用50组样本数据进行训练预测.结果表明,优化后的预测模型具有较好的泛化能力和良好的稳定性,可为砌体结构拆除工程造价预测方面提供参考.     

基于因子分析法的中小制造企业成长性研究

研究中小制造企业成长性评价体系并分析各种影响因素的作用大小,对提升中小企业成长性及完善行业发展政策具有重要意义.文中以2011年前上市的30家中小制造型企业为例,运用因子分析法对企业成长进行了评价,并验证了这种评价方法对中小企业成长性的基本适用性.结果表明,该评价方法以广泛的财务指标为评价基础,具有较强的操作性,且能科学反映出我国中小企业的成长能力.文中最后根据对中小制造企业的实证研究结果对其成长性评价作了简单总结,并对现阶段我国中小制造企业的成长提出了建议措施.     

基于神经网络的再制造系统风险评价

为了给企业在开展再制造业务时提供风险评估参考模型,从再制造全生命周期出发分析再制造系统面临的各种风险,构建包括收集、检测、拆卸、再制造和再循环五大环节的评价指标体系;建立基于Back Propagation（BP）神经网络的风险评价方法;并利用权矩阵之间的关系函数确定评价指标的影响次序,找出再制造系统风险的主要风险因素;然后通过Internet收集资料选取五个企业的再制造业务风险评价作为样本训练模型;最后以某机床制造企业的再制造项目风险评估验证上述评估方法的有效性。     

世界首制新型智能型船用柴油机

中国船舶重工集团公司宜昌船舶柴油机厂引进消化吸收瓦锡兰先进专利技术研制的世界首制6RT—flex50B智能型二冲程船用低速大功率柴油机通过台架试验，并成功交验。台架试验验证，6RT—flex50B智能型柴油机的设计结构、强度和性能完全达到了要求，并满足LR船级社人社规范的要求。设计、制造、使用方及船级社一致肯定其制造工艺技术先进，产品质量优良。     

基于GA-BP的混凝土抗压强度预测研究

研究如何利用BP神经网络建立多因子混凝土抗压强度BP预测模型。针对BP网络收敛速度慢和难以获得全局最优的缺点,提出利用遗传算法优化BP神经网络初始权值和阈值,建立混合GA-BP预测模型。模型以每立方混凝土中水泥、高炉矿渣粉、粉煤灰、水、减水剂、粗集料和细集料的含量以及置放天数作为输入参数,混凝土抗压强度值作为输出参数。...     

我国首根特大型船用曲轴制造成功

上海船用曲轴有限公司制造成功我国首根特大型船用曲轴——曼恩8K80MC-C型低速大功率船用柴油机曲轴（80机曲轴）。     

基于BP神经网络的工程项目安全耐久性评价

通过对人工神经网络的分析，结合工程项目安全耐久性评价，将BP神经网络的技术应用于拟建工程项目安全耐久性的评估中，可以实现在项目建设前期对工程项目质量等指标的客观定量评价，为工程项目建设的决策提供有效的依据。     

基于BP神经网络的高校教师教学质量评价模型

针对目前大多数高校采用单一的教学评价机制来衡量教师教学质量的片面性,在充分考虑被评对象的差异性、评教主体的单一性以及评教方法的难操作性的基础上建立了全方位教学质量评价体系,构建了综合评价体系及2个体系下的7个二级指标,并以此为基础建立两级神经网络。训练结果表明:该网络能较好地拟合训练数据,预测效果显著,说明基于神经网络的教学质量评价模型是合理可行的。     

基于集对分析和GA-BP神经网络的 地下水埋深预测研究

针对地下水位与其影响因素之间存在非线性映射关系的特点,提出了基于SPA方法筛选地下水埋深时空自变量、再基于遗传算法优化BP神经网络进行地下水埋深预测的SPA-GA-BPNN模型。将该模型应用于安徽省蒙城县地下水埋深的预测中,并与全变量-LR、全变量-BPNN、全变量-GA-BPNN、SPA-LR和SPA-BPNN共5种模型进行对比。结果表明:SPA-GA-BPNN模型预测误差的MPAE值为0.088,MSE值为0.068,NSE值为0.848,误差指标均优于5种对比模型,在泛化性和稳定性方面也有显著优势。基于SPA方法筛选自变量,避免了自变量选取的主观性,且在理论上优于相关系数法,同时,遗传算法对神经网络的预测性能起到了显著的改进作用,可为地下水埋深变化过程的影响因素识别及预测提供可靠、有效的参考依据。